Chinese contentAgentSSL：让机器学习智能体用半监督学习利用无标注数据
这篇论文回答了一个很实际的问题：标注数据不够时，MLE 智能体还能不能自动搭好训练流程。结果显示智能体在多数设定下能超过人工基线，但选哪个程序是个大坑，最多掉 47% 性能。做自动化机器学习或数据稀缺场景的工程团队值得看看。
#data labeling
33 stories · 12 in 7 days · 18 in 30 days
Stories, products and papers tagged "data labeling", newest first.
Nov 13
Nov 11
Chinese contentMercor 完成 7.5 亿美元 D 轮融资，估值达 200 亿美元
给前沿模型造训练数据的 Mercor 又融资了，7.5 亿美元、估值 200 亿、年化收入 30 亿。它跟 Scale AI 是直接竞争对手，这轮数字能看出专家数据生意有多大。关注 AI 产业链和模型训练成本的人都该看看。
Chinese contentNvidia 参与美国 AI 训练初创 Mercor 7.5 亿美元融资
Nvidia 这次把钱投给了 Mercor 这家做 AI 训练数据的公司，说明 GPU 之外，高质量专业数据也成了兵家必争之地。做模型训练或数据标注的人可以看看这个行业动向，了解资本在往哪个环节流动。
Chinese contentMemories Upload 用第一人称视频标注机器人的小动作纠错数据
机器人 demo 里总是一把成功，真实世界却会手滑，Memories Upload 从第一人称视频里抠出人无意识的小修正动作当训练数据。做具身智能或数据标注的团队值得对比一下它和遥操作采集的成本差异。
Chinese contentMemories Upload 推出第一视角视频平台，为机器人训练提供逐帧手部标注数据
做机器人的朋友可以看看这个新数据平台：第一视角视频逐帧标注每只手的动作，能按动作检索片段直接拿来训练。相比自己搭遥操作采集，省了不少成本，每月还在上新数据。
Chinese contentMemories Upload 给第一人称视频按手部动作打时间戳标签
机器人要学动手，靠的是大量真人手部操作视频。这家公司雇人录第一人称画面，按左右手动作逐帧打标签，做成能按动作搜索的训练数据卖给机器人实验室。做具身智能或模仿学习的团队可以直接关注这种数据源。
Chinese contentShawn Shen 团队推出 MemoriesUpload，为机器人采集第一人称工作视频数据
机器人圈常怪模型不行，这个团队反而去拍 20 多个行业里人类干活的视频，连手部动作都逐帧标注，已经有 3 家头部机器人实验室拿去训练了。做具身智能或关注数据瓶颈的都该看看这个思路。
Chinese contentNathan Lambert：AI 落地长尾知识工作所需的专家投入被严重低估
Nathan Lambert 这次没有谈模型，而是谈专家数据怎么帮 AI 真正进入律师、医生这些长尾行业，还顺带讨论了 SWE 需求为何没崩。他给 Mercor 当顾问的披露也很坦诚。做数据标注、行业落地的团队值得看看这个视角。
Nov 10
Handshake reaches US$1B GMV supplying frontier lab training data
The episode reveals how evaluation difficulty is shifting: models can recall domain rules yet fail at knowing when to apply them, which is precisely what RL environments are being built to fix. Teams building eval pipelines or training data strategies can study the live task walkthroughs to calibrate their own benchmark design. Against data vendors like Scale AI and Surge, Handshake's verticalised labs (life sciences, finance, alignment) show where specialist data demand is concentrating.
Chinese contentHandshake 一年做到 10 亿美元估值：给前沿实验室卖专业数据的生意
Latent Space 第一次拆数据实验室，主角是 Handshake 的 Garrett Lord。他们一年从零做到 10 亿美元估值，靠的是给 OpenAI、Anthropic 这类实验室供金融、生物、对齐领域的专家数据。做数据服务或评测创业的人能从中学到定价和交付的真实玩法。
Nov 9
Chinese content美国 AI 公司 Trinovation 扩充菲律宾数据业务
纽约公司 Trinovation 把数据团队放到菲律宾，一年扩张 50 倍到 690 人，看得出数据标注业务正往东南亚转移。
Nov 7
Chinese content谷歌开源 Agile Deliberation 框架：用边界案例帮你把模糊分类标准变清晰
谷歌开源了个新框架，让 AI 反过来帮你搞清楚自己的分类标准，做审核或数据标注的可以试试。
Nov 6
Industry11:11
Chinese content50 人投票：哪些数据公司在影响前沿模型研究方向一份圈内人匿名投票，列出了真正给前沿模型供数据、定评测方向的公司排名，想了解这个圈子格局的可以看看。
Nov 5
Chinese contentPerceptron Egocentric 1.0 发布：机器人第一人称视频标注成本降到 1/8
搞机器人训练的可以看看，Perceptron 1.0 把第一人称视频标注从每小时 70 多美元砍到 9 美元起，还能免校准做 3D 手部重建。
Oct 20
Papers12:47
Chinese content用 ML 标注数据训练模型：一阶与零阶随机优化方法标注太贵？这篇论文教你只用一部分人工标注，剩下的靠模型打标签也能训练，从线性回归到 LLM 微调都验证了。
Oct 19
Chinese contentAnnotrace 发布：面向 Agent 轨迹的步骤级标注工作台
做 Agent 调试的人可以看看，这个工具能读 LangSmith、Langfuse 等六种格式，自动和人工一起做步骤级标注，复现了 235 个标注单元。
Oct 18
Chinese contentVoxel51 3.0 发布：面向 Physical AI 的多模态数据平台
做自动驾驶或机器人数据的团队可以看看，Voxel51 3.0 把找数据、标注、评估全打通了，还带 45+ 个 MCP 工具，有免费层。
Oct 13
Chinese LLM Data Economy Trails US by 6-12 Months
Spending patterns diverge structurally: China's buyers are platforms building models in-house, while US demand flows through specialized data brokers and RL-environment providers. That split shapes who sells data services, which models get built, and how fast the gap closes. Investors and data-vendor operators tracking both markets should map their offerings against the in-house trend in China versus the API-outsourced model in the US.
Oct 10
Industry10:27
Chinese contentAI 训练数据市场观察：任务准确率约 70% 后即被弃用3 分钟讲清训练数据这门生意的逻辑：为什么任务做到 70% 准确率就被扔掉，为什么大买家都选择自己造数据。
Chinese contentLoRA 联合作者 Edward Hu 加入 Mercor 训练模型
LoRA 作者之一 Edward Hu 跳去 Mercor 做训练，第一个模型还是基于 Qwen 的，数据供给侧这点变化挺有意思。
Oct 5
Industry18:15
Chinese contentLinkedIn估算美国新增AI岗位超75万，数据标注员数量居首LinkedIn统计说美国新增75万个AI岗位，占最大头的是年薪5.1万美元的数据标注员，不是工程师，这组数字挺反直觉的。
Oct 3
Sep 25
Chinese contentFrame-to-Panorama 定位与上下文感知采样：用 220 张标注图训练船舶检测模型
一篇很实用的数据筛选流水线：40718 帧 maritime 视频只挑 220 张标注，微调 YOLO26-m 就能到 AP50 94.78%，标注成本省了 99.5%。
Sep 23
Chinese contentOptimal Sequential Annotations for Off-Policy Evaluation：有限标注预算下的双稳健估计方法
标注预算不够又想评估策略？这篇 arXiv 论文告诉你怎么分配人工标注最省钱，RMSE 能降一半以上。
Sep 22
Chinese contentonPanda：token 级纠正标注对齐数据，中位标注时间省 52%
标注对齐数据不用整段重写，定位到第一个错 token 改掉让模型接着生成，实验里中位时间省 52%，还附了 Panda-CVL 数据集。
Aug 30
Industry13:31
Chinese content国家数据局探索词元增值订阅等商业模式国家数据局要搞词元增值订阅和按效付费，日均调用量已超500万亿，32个城市试点数据标注。
IT之家Source
Aug 27
Jul 27
Jul 19
Industry16:08
Chinese content国家数据局：全国已建成高质量数据集12万个，总体量超1565 PB国家数据局公布了最新数据：12万个高质量数据集、1565 PB总量，比一季度涨了60%，相当于国图数字资源547倍。搞AI的看看数据家底。
IT之家Source
Jun 4
Chinese content马斯克 xAI 暂停招聘 Grok“AI 导师”，HR 部门不堪重负
xAI 暂停招募专业 AI 导师，暴露了自建数据团队的运营瓶颈，做 AI 数据标注或模型训练的团队值得关注这一调整背后的行业趋势。
IT之家Source
May 17
Products01:29
Chinese contentAdala 用自主智能体终结手动数据标注数据标注团队和机器学习工程师终于能摆脱重复劳动——Adala 用自主智能体自动学习标注技能，大幅缩短项目周期，建议做数据预处理或模型训练的团队直接试试。
